1. 项目背景与巡检价值网络运维尤其是企业级园区网和数据中心网络其稳定性和性能直接关系到业务的连续性。作为网络核心的Cisco交换机其运行状态就像人体的心脏需要定期“体检”来预防潜在风险。很多网络工程师尤其是刚入行的朋友可能会觉得日常巡检就是敲几个show命令看看没什么技术含量。但根据我多年的经验一个系统化、自动化的巡检流程不仅能让你在故障发生前就嗅到“异味”更是你从“网络操作员”向“网络架构师”进阶的必经之路。巡检的价值不在于应付领导而在于让你真正“掌控”你的网络从被动救火转向主动运维。这次分享的“Cisco交换机日常巡检展示”就是把我自己用了好几年的巡检清单和脚本思路结合最新的工具实践系统地梳理出来。它不仅仅是一份命令列表更是一套从“看什么”到“怎么看”再到“如何自动化看”的完整方法论。我们会覆盖从设备基础状态、CPU/内存、接口、生成树、到安全日志等核心维度并探讨如何利用Python、Expect脚本甚至Zabbix等工具将繁琐的巡检工作变得高效、无人化。无论你是管理着几台交换机的小型办公室网管还是维护着成百上千台设备的数据中心工程师这套方法都能帮你建立起清晰的运维视野。2. 巡检核心维度与关键命令解读巡检不是漫无目的地敲命令而是有目标、有层次地检查。我将日常巡检分为五个核心维度每个维度都对应着网络健康的一个关键方面。2.1 设备基础状态与系统信息这是巡检的“第一眼”目的是确认设备身份和基本运行状态。show version这是你的“设备身份证”。重点看系统运行时间 (uptime)长时间稳定运行是好事但如果运行时间过长比如几年未重启且版本较旧可能隐藏着内存泄漏或已知但未修复的Bug。一个突然重启可能会暴露问题。IOS/XE版本核对是否为官方推荐的稳定版本。热词中提到的“cisco 启动不了”很多时候就与版本Bug或升级失败有关。定期查看思科官方的Bug公告Bug Search Tool与你当前版本的关联性是高级巡检的一部分。硬件型号与内存确认设备型号与预期一致内存大小是否满足当前配置需求。show inventory查看设备内部的模块、电源、风扇等硬件组件。对于模块化交换机如Catalyst 9500这个命令能帮你快速定位哪个线卡或电源出了问题。show environment all或show environment temperature检查设备温度。温度是硬件稳定的基石。核心交换机的CPU或ASIC温度过高会导致报文转发丢包甚至设备重启。要建立温度基线异常升高往往是风扇积灰或故障的征兆。注意show version中的configuration register值也很重要通常是0x2102。如果被修改可能会影响设备启动流程这在排查启动故障时是关键信息。2.2 CPU、内存与进程健康度交换机的控制平面CPU负责协议计算、管理配置等其健康度直接影响管理稳定性和部分特性如ACL、QoS的性能。show processes cpu sorted | exclude 0.00查看CPU使用率并按高低排序过滤掉0%的进程。这是定位设备“慢”或管理界面卡顿的利器。关注点5分钟和1分钟的CPU利用率。如果持续高于70%生产环境建议阈值可根据业务调整就需要警惕。查看是哪个进程占用高。常见的IP Input进程高可能与广播风暴或路由震荡有关HLFM进程高可能与MAC地址表频繁变化有关。show processes memory sorted查看内存使用情况。重点看剩余可用内存Free和每个进程的占用。内存泄漏通常表现为某个进程的内存占用随时间持续增长而总可用内存持续下降。show memory statistics查看更详细的内存分配情况包括处理器内存和I/O内存。对于某些平台检查Processor Pool的可用空间尤为重要。实操心得不要只看瞬间值。通过show processes cpu history这个图形化命令在CLI里可以直观看到最近60秒、60分钟的CPU负载曲线对于判断间歇性峰值非常有用。自动化巡检脚本应该定期如每5分钟采集CPU/内存数据并绘制趋势图。2.3 接口状态与流量分析数据平面是否健康全看接口。这是巡检数据量最大但也最核心的部分。show interface status快速总览所有接口的物理状态连接状态、双工、速率、VLAN归属和描述。描述description是否规范填写直接体现了运维的精细程度。show interface counters errors查看接口错误计数器。这是诊断物理层和数据链路层问题的黄金指标。Input errors/CRC输入错误/循环冗余校验错误。通常由物理链路问题引起如光缆弯曲、光纤头脏污、电磁干扰、网卡故障等。热词中“华三交换机 查看光口 光衰”就是针对光模块的专项检查在思科上对应show interfaces transceiver details。Output errors输出错误。通常与接口缓冲溢出或对端设备有关。Collisions半双工/Late Collisions冲突和迟冲突在现代全双工网络中应几乎为0。Runts/Giants侏儒帧/巨帧通常与MTU不匹配或硬件故障有关。show interface [interface-id]查看特定接口的详细状态包括带宽利用率input/output rate、丢包input/output drops。广播/组播包数量突然激增可能意味着环路或异常应用。Input/Output drops这是关键它表示因为交换机内部缓冲队列已满而丢弃的包。持续的丢包会直接影响业务体验。需要区分是Rx端入方向还是Tx端出方向丢包并结合队列策略进一步分析。场景化检查对于Trunk口还要用show interface trunk检查允许的VLAN列表是否正常Native VLAN是否一致避免VLAN穿越问题。对于 EtherChannel端口聚合使用show etherchannel summary检查聚合组状态是否为SULayer3或PULayer2确保所有成员端口都在正常工作。2.4 二层协议与环路防护二层网络的核心是稳定、无环。生成树协议STP是基石但配置不当就是灾难。show spanning-tree summary查看生成树全局状态确认生成树模式PVST、Rapid-PVST、MST是否统一。show spanning-tree root快速查看各个VLAN的根桥信息。你需要清楚网络中预期的根桥应该是哪台设备。如果根桥发生了不应有的漂移可能意味着链路抖动或某台交换机优先级被误改。show spanning-tree inconsistentports这个命令非常有用能直接列出所有处于“不一致”状态的端口这些端口通常被STP阻塞是潜在环路或配置错误的直接指示。show spanning-tree vlan [vlan-id] detail查看特定VLAN的生成树详细信息包括端口角色、状态、开销等。深度避坑很多网络间歇性卡顿根源在于“STP震荡”。表现为端口在Forwarding和Blocking状态间频繁切换。除了检查物理链路一定要检查show spanning-tree vlan xx detail输出中的“拓扑变化”次数Number of topology changes和最后一次变化时间。短时间内频繁变化就是震荡的铁证。此时需要结合show log和接口错误计数定位根源。2.5 系统日志与安全基线日志是设备留给你的“黑匣子”记录忽视日志等于蒙眼运维。show log查看系统日志缓冲区。务必关注以下级别的信息%LINEPROTO-5-UPDOWN线路协议状态变化。频繁的Up/Down意味着链路不稳定。%LINK-3-UPDOWN接口物理状态变化。%SPANTREE-5-TOPOTRAP生成树拓扑变化告警。%SYS-5-CONFIG_I配置被更改的记录。这是安全审计的关键谁在什么时候改了配置。%SEC_LOGIN-5-LOGIN_SUCCESS/FAILURE登录成功/失败记录。用于排查未授权的访问尝试。show clock确保设备时间准确日志时间不准所有故障排查都将失去时间线索。务必配置NTPshow ntp status。安全基线检查show running-config | include ^enable secret检查enable密码是否加密存储。show running-config | section line vty检查VTY远程登录线路配置。是否限制了源IP访问access-class是否只使用了SSH而非Telnettransport input ssh这与热词“交换机界面登录另一台交换机用telnet还是ssh”的安全考量直接相关。show ip ssh确认SSH服务已启用且版本建议为SSHv2。3. 从手动巡检到自动化脚本实践手动执行上述命令适合设备少或临时检查。面对成规模的网络自动化是唯一出路。这里提供两种主流的自动化思路。3.1 使用Expect脚本进行基础信息采集Expect是一个用来实现自动交互的工具非常适合模拟CLI登录并执行命令。对于不支持API的老旧设备这是最实用的方法。下面是一个简单的Expect脚本框架cisco_巡检.exp用于登录一台交换机执行几个关键命令并保存输出#!/usr/bin/expect set timeout 10 set host [lindex $argv 0] set user “your_username” set password “your_password” set date [exec date %Y%m%d] spawn ssh -l $user $host expect “Password:” send “$password\r” expect “” send “enable\r” expect “Password:” send “$enable_password\r” expect “#” # 执行巡检命令并保存 log_file -a $host_$date.log send “terminal length 0\r” # 关闭分页 expect “#” send “show version\r” expect “#” send “show clock\r” expect “#” send “show processes cpu sorted | exclude 0.00\r” expect “#” send “show interface status\r” expect “#” send “show log | include .WARNING|.ERROR|.CRITICAL\r” # 只抓取警告以上日志 expect “#” log_file # 停止记录 send “exit\r” expect eof你可以将这个脚本放入循环遍历一个IP地址列表。输出会保存到以主机名和日期命名的日志文件中。后续可以用文本处理工具如grep, awk或Python进行分析提取关键指标如CPU值、错误计数并与阈值比较。注意事项密码安全脚本中明文存储密码极不安全。在生产环境中应使用SSH密钥认证或将密码存储在受保护的加密文件中通过其他方式传入。错误处理脚本需要增加错误处理比如登录失败、命令执行超时等避免脚本卡住。性能影响避免在短时间内对大量设备执行show tech-support这类高强度命令可能影响设备性能。3.2 使用Python与Netmiko实现高级巡检与解析对于现代运维Python是更强大、更灵活的选择。Netmiko是一个基于Paramiko的多厂商SSH库专门用于网络设备自动化。下面是一个使用Python Netmiko的巡检示例它不仅能执行命令还能结构化解析结果from netmiko import ConnectHandler import re from datetime import datetime # 设备连接信息 device { ‘device_type’: ‘cisco_ios’, ‘host’: ‘192.168.1.1’, ‘username’: ‘admin’, ‘password’: ‘password’, ‘secret’: ‘enable_password’, # enable密码 } # 定义需要执行的命令 commands [ ‘show version’, ‘show processes cpu sorted | exclude 0.00’, ‘show interface counters errors’, ‘show log | include .WARNING|.ERROR|.CRITICAL | last 20’ ] def parse_show_version(output): # 解析show version提取运行时间、版本等 uptime_pattern r‘uptime is (.)’ version_pattern r‘Version (.),’ # … 使用正则表达式匹配 … return {‘uptime’: uptime, ‘ios_version’: version} def check_cpu_threshold(output, threshold70): # 解析CPU输出检查是否超过阈值 lines output.split(‘\n’) for line in lines: if ‘CPU utilization’ in line: # 提取5分钟利用率例如5 minute: 12% match re.search(r‘5 minute: (\d)%’, line) if match: cpu int(match.group(1)) return cpu threshold, cpu return False, 0 try: # 连接设备 net_connect ConnectHandler(**device) net_connect.enable() # 进入enable模式 inspection_results {} for cmd in commands: print(f“正在执行: {cmd}”) output net_connect.send_command(cmd) inspection_results[cmd] output # 根据命令调用不同的解析函数 if ‘show version’ in cmd: info parse_show_version(output) inspection_results[‘parsed_version’] info print(f“设备运行时间: {info.get(‘uptime’)}”) elif ‘show processes cpu’ in cmd: high_cpu, value check_cpu_threshold(output) if high_cpu: print(f“【警告】CPU利用率过高: {value}%”) # 可以将结果写入数据库如InfluxDB、JSON文件或发送到告警平台 with open(f‘inspection_{device[“host”]}_{datetime.now().strftime(“%Y%m%d_%H%M%S”)}.json’, ‘w’) as f: import json json.dump(inspection_results, f, indent4) except Exception as e: print(f“连接或执行命令时出错: {e}”) finally: if ‘net_connect’ in locals(): net_connect.disconnect()这个脚本的优势在于你可以轻松地扩展解析函数将非结构化的CLI输出转化为结构化的数据字典、列表然后存入数据库如MySQL、InfluxDB或与监控系统如Zabbix、Prometheus集成实现历史趋势分析和可视化告警。4. 集成监控系统与无人化巡检自动化脚本解决了“采”的问题监控系统则解决了“看”、“警”、“控”的问题。将两者结合才能实现真正的无人化智能巡检。4.1 与Zabbix集成监控Zabbix等监控系统通过SNMP或Agent方式采集数据。对于交换机SNMP是最标准的方式。交换机侧配置SNMP! 启用SNMP设置只读团体字建议使用SNMPv3更安全 snmp-server community YourROCommunityString RO ! 或配置SNMPv3用户 snmp-server group MyGroup v3 priv snmp-server user MyUser MyGroup v3 auth sha YourAuthPass priv aes 128 YourPrivPassZabbix侧配置添加主机选择SNMP接口填写团体字或v3认证信息。链接模板。Zabbix有官方或社区维护的“Template Net Cisco IOS SNMP”等模板它已经预定义了数百个监控项包括接口流量进/出比特率、包速率接口错误包、丢包数CPU利用率1分钟、5分钟内存使用率温度风扇状态电源状态配置触发器Trigger。例如当某个接口错误计数在5分钟内增长超过100个时告警当CPU持续5分钟超过85%时告警。热词关联“zabbix监控交换机端口状态”正是这一实践的典型场景。通过Zabbix的图形和聚合图形你可以在一个面板上看到所有交换机的端口流量热力图、错误分布图一目了然。4.2 构建自定义监控项与智能告警预定义模板虽好但有时需要监控一些特定的东西。例如监控特定关键端口的广播包速率用于风暴检测或者监控show log中的特定错误信息。使用Zabbix Trapper或自定义脚本你可以用我们前面写的Python脚本定期运行解析出需要的指标如“是否存在%SPANTREE-5-TOPOTRAP日志”然后通过Zabbix Senderzabbix_sender工具以Trapper方式主动将数据推送给Zabbix Server。配置依赖告警避免告警风暴。例如核心交换机宕机其下联的几十台接入交换机都会报“网络不可达”。在Zabbix中可以配置触发器依赖核心交换机故障是根因抑制其他衍生告警。设置恢复告警不仅设备异常要告警从异常中恢复也最好有一个通知让运维人员知道问题已自动解决或需要跟进确认。4.3 巡检报告自动化生成无人化巡检的最后一环是报告。定期如每周、每月生成一份巡检报告发送给团队或领导是体现运维价值的好方法。你可以用Python脚本如使用Jinja2模板WeasyPrint生成PDF或直接使用Zabbix的“报告”功能汇总以下信息健康概览本期监控范围内设备的整体健康度正常/警告/故障比例。TOP N问题列出CPU利用率最高的5台设备、错误包最多的5个接口等。容量趋势核心链路带宽利用率趋势图预测何时需要扩容。事件回顾本期发生的主要告警事件列表及其处理状态。配置合规性检查摘要通过脚本自动检查密码策略、SNMP配置、NTP配置等是否合规。通过将日常巡检标准化、工具化、自动化你就能从重复性劳动中解放出来将精力投入到网络优化、架构规划和解决更复杂的问题中去。这套体系建立起来后无论是应对“服务器巡检”还是实现“无人化ipqc巡检”其核心思想都是相通的——即通过定义清晰的检查项、利用工具自动采集数据、并设定智能的判定规则将运维工作从“人盯”变为“流程盯”和“系统盯”。